一、ChatGPT发展的现状
ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型，借助其最先进的深度神经网络技术架构，能更拟人化与人类交流互动，甚至能生成诗歌小说、电影剧本、论文、代码等。中国科学院大学人工智能学院教授、亚太人工智能学会执行主席雷渠江接受经济日报记者采访时表示，ChatGPT具有巨大的创新性，在很多方面都可以成为人们工作和生活的强有力助手。
ChatGPT借助其核心技术之一“Transformer神经网络架构”，极大增强了人工智能的能力，它利用从大型文本语料库中所学到的内容，可以自主生成文本，帮助用户找到问题的答案。ChatGPT除了能够模拟自然对话外，还能够执行写邮件、视频脚本、文案、翻译等任务。
1、ChatGPT的发展
ChatGPT是一种预训练的语言大模型，采用大量的参数和大量的数据进行训练，基于人类反馈的强化学习算法，将NLP技术和机器学习结合，极大地提升了模型算法的效率和能力。随着ChatGPT的热度不断攀升，多家科技公司都开始布局ChatGPT相关技术领域，NLP技术有望迅速进入平民化应用时代。
2、ChatGPT的使用
官方网站：>>>点击这里进入<<<
进行注册，需要一个国外手机号，如果没有可以找万能宝。如果提示“不能在当前国家服务”，则需要更改自己的IP，如果搞不定，同样建议找万能宝。
3、ChatGPT的功能
- 更精准：当你输入你的问题以后，它会很精准的给你你想要的结果，而不是还需要你像传统的搜索一样还要自己对搜索结果进行筛选。
- 更智能：你可以和它聊天，对话，更像是你和一个知识渊博的人在聊天一样，而且它还很有逻辑，它和你聊天的时候也会联系到你上面和它聊天的内容，让你真正能感受的到，它是真的理解你和它的聊天内容。
- 更实用：比如说你想写一篇新闻稿，你只需要输入时间地点大概的事件，它就能通过自己海量的数据库，寻找所有与这个事件相关的内容，给你生成一篇你想要的的新闻稿，同时还能保持真实性与唯一性。当然它的用途肯定不仅限于这一个行业。
二、ChatGPT带来的影响
ChatGPT具备强大的对话能力和生成能力，可以回答后续问题、承认错误、挑战不正确的前提、拒绝不适当的请求，这意味着ChatGPT能够颠覆搜索行业，在智能客服、游戏、虚拟人等领域也将得到广泛应用，从ChatGPT到AIGC，AI已经成为新时代新的生产力。
ChatGPT带动AIGC（AI-Generated Content）的革新。AIGC指利用人工智能技术自动生成的内容，与此前Web1.0、Web2.0时代的UGC（用户生产内容）和PGC（专业生产内容）相比，代表人工智能构思内容的AIGC，是新一轮内容生产方式变革，而且AIGC内容在Web3.0时代也将出现指数级增长。ChatGPT模型的出现对于文字模态的AIGC 应用具有重要意义，未来，与图形模态的AIGC相结合，有望打造从文字描述到图片生成的AI创作辅助工具，对AI产业上下游产生重大影响。
1、ChatGPT的应用场景
国外生成式AI产品应用方向多样，现象级产品迅速获取大量用户。根据知名创业组织Antler的统计，截止2022年年底，海外生成式AI产品数量达到190余个，包括视频、音频、游戏、数据、搜索等多种类型应用。同时，2022年年底图片生成应用Midjourney官方Discord中的关注人数超过百万，ChatGPT上线后一周内用户数量已近百万。
生成式AI产品在交互设计中，更注重用户体验。目前生成式AI产品形态包含插件、API网页交互、客户端等。其中，API网页交互无需下载安装产品，在云端即可获得生成内容，如用户可在百度的“文心ERNIE 3.0”产品网页中输入提示词生成内容。同时，生成式AI技术与搜索产品融合后，匹配内容、意图理解表现更好。例如，用户使用论文阅读助手SciSpace时，无需指定关键词即可搜索和查找相关论文，可提升阅读论文效率。
2、ChatGPT的影响
ChatGPT强大的内容生成能力，引起了业界普遍关注，也加速了人工智能行业从决策式/分析式AI（Discriminant/Analytical AI）到生成式AI （Generative AI）的演化。
随着生成式AI技术的不断进步，生成模态不断更新，呈现多元化格局。 按照生成模态划分，生成式AI产品分为文本生成（以ChatGPT为代表）、图片生成、代码生成和音频生成多个方向。2022年9月Meta发布自研视频生成大模型Make-A-Video；2022年11月，NVIDIA公司发布了3D模型生成工具Magic3D；同月WebAR软件平台解决方案商Geenee AR发布了AI WebAR内容创造套件RT3D AI SDK。生成模态的多元也推动了生成式AI的多行业应用。
三、ChatGPT引发的思考
自1947年以来，AI领域取得的关键进展，（如Eliza、AlphaGo和chatGPT的发布），都是由西方主导，美国在AI技术发展的过程中不断进行颠覆性技术创新，尤其是最近十多年，更是建立先发优势和累加优势，逐步拉大中美在AI领域的差距。
1、国外的发展历程
以chatGPT的发展历程为例： 2015年12月，OpenAI成立，探索大模型路线。
2017年6月，Google发布Transformer论文。
2018年6月，OpenAI发布GPT-1，参数量1.17亿，预训练数据量5GB。
2019年2月，OpenAI发布GPT-2，参数量15亿，预训练数据量40GB。
2020年5月，OpenAI发布GPT-3，参数量1750亿，预训练数据量45TB。
2022年11月，OpenAI发布chatGPT。
2023年2月，Google发布Bard。
2、国内的发展历程
国内也在追赶AI的热潮，在ChatBot方面快速跟进：
2015年，科大讯飞发布了AIUI，定义为人机交互服务新界面。
2016年，百度发布了DuerOS，定义为对话式人工智能操作系统。
2017年-2019年，小米发布了水滴平台，阿里发布了天猫精灵，腾讯发布了小微，微软发布了小冰，思必驰发布了DUI，这段时间的补贴竞争就是“百箱大战”。
2019年，声智发布了Azero 2.0，定义为多模态与多技能的AI开发框架并对外开放。
2023年，百度将发布“文心一言”，预计三月份完成内测面向公众开放，未来或将接入百度搜索。京东宣布推出产业版“ChatJD”，应用路线图包括一个平台、两个领域（零售和金融）、五个应用（内容生成、人机对话、用户意图理解、信息抽取、情感分类）。字节跳动AI实验室也在开展类似ChatGPT和AICG相关研发，未来或为PICO提供技术支持。阿里类ChatGPT产品目前也处于内测阶段，会与钉钉产品结合。
虽然国内科技巨头和垂类成长型AI公司在努力布局，但是，回到大模型这个主题，从2022年12月chatGPT发布时候的大模型现状来看，美国的进展更加迅猛和稳健。
综上来看，我们要充分认识到我们在算法、模型、数据、算力等方面与美国的差异，这是几十年积累的差距，并有逐渐拉大的趋势，值得我们思考和警惕。
四、ChatGPT相关的建议
虽然生成式AI行业发展迅速，覆盖数据模态不断扩展，生成内容愈发具有创造力、多元化。但是另一方面，生成式AI的产品能力仍存在不足，预计仍需要3~5年时间的监督学习才会真正对生产力产生根本性影响，当然数据合规性、安全性也需进一步规范。
另外，国内开源生态和应用研究将面临挑战。OpenAI在GPT-3之后所有的应用都不再开源，而是提供API，这对于国内跟随研究将产生直接影响。OpenAI这种API方式带动了国外创业公司的生态发展，并且非常重视对真实世界数据调用的迭代和反馈，这种飞轮对于国外公司是闭环提升，对国内产业则是潜在隐患，国内公司若基于OpenAI进行迭代，则会加速国外的研究和产业进展，并且始终让我国受制于美国公司，从而形成新一轮卡脖子问题。
- 充分认识差距，保持战略定力。 充分认识到我国人工智能基础研究相对于美国的差距，要在质疑和焦虑等各种噪声中保持战略定力。人工智能自从诞生以后，每次浪潮都由欧美引领，自从2010年以后则由美国特别是企业研发机构引领，我国基本都是跟随研发而并没有重大创新突破，我们要对这种追赶并且挑战的现状充分认识，不能盲目自大也不能丢失信心，在各种噪声中保持对人工智能引领的数字经济信心。
- 加强大模型研究，探索多技能路线。 持续加强对人工智能基础研究机构的改革、整合和支持，参考美国人工智能的产品导向思路加强大模型的联合攻关，同时鼓励探索大模型之外的更多技术路线。面对当前我们国内在数据多样性、一致性和标注质量方面的差距，以及算力等数字基础设施的不足，应该鼓励以小模型为基础的多技能技术路线更多落地场景。这样大模型和多技能至少两个技术路线同步并进，从各个方面来缩小与美国的差距。当然我们也要看到，美国主流的这两个技术路线之外，在基础研究方面更是探索小样本学习等更多技术路线。
- 加快数据基建，推动数据共享。 美国面向全球多传感数据和非结构化数据采集的能力，以及美国科技公司相比较我国科技公司数据采集的多样性，是美国人工智能领先的关键因素。我国科技公司主要关注于用户画像的采集和分析，并将此作为商业变现模式，反而在人工智能关注的声、光、电、热、力、磁等多传感数据以及程序代码等非结构化数据方面缺乏积累。
- 健全数据标准，规范数据治理。 建立国家多传感数据和非结构化数据的标准体系，鼓励各个行业数据采集系统之间的互联互通，消除国内各行业之间的数据孤岛现象和数据不一致的问题。
五、ChatGPT应用
ChatGPT by OpenAI. 项目采用接口方式实现。
最新实现在：github.com/AIGCT/EASY*…
问题1
问题2
